Facebook与Instagram母公司Meta（META） Platforms Inc.(Meta（META）.US)正在制定一项该公司前所未有的云计算（885362）基础设施业务宏图计划，该业务将出售对Meta（META）大规模部署的AI算力基础设施和独家AI大模型资源的访问权限，从而与亚马逊（AMZN）云服务(即亚马逊（AMZN）AWS)、微软（MSFT）Azure云平台和谷歌（GOOG）云平台(GOOGle Cloud)等云计算（885362）行业领导者们形成新的竞争维度。
根据媒体援引的知情人士透露消息最新报道，Meta（META）一直在快速锁定昂贵的人工智能（885728）数据中心建设进程以及AI GPU/数据中心CPU等庞大的底层AI算力基础设施资源，以支撑自身的人工智能（885728）雄心壮志;与此同时，该公司正在组建一项重要的新业务，通过向外部客户出售富余AI算力资源来创造AI相关营收。知情人士因相关细节尚未公开而要求匿名。
Meta（META）进军云计算（885362）的核心逻辑，本质上是在全球AI算力资源需求持续井喷式扩张之际，聚焦于把此前被市场屡次质疑的巨额AI资本开支，改造成一项具备外部营收弹性的“AI算力资产负债表”。Meta（META）正在建设云业务以出售富余AI算力，与此同时，近期谷歌（GOOG）限制Meta（META）使用Gemini模型的报道也在反向证明，AI算力需求如此之强，连超大科技公司内部都面临云端AI算力不足，GOOGle Cloud一季度营收虽达200亿美元，但算力约束仍限制更高增长并推高积压订单。
这也意味着Meta（META）的策略不是简单“跨界做云”，而是力争率先为AI超级智能开发、广告推荐、视频生成、AI助手和模型训练/云端大规模AI推理囤积GPU/ASIC/TPU资源、网络基础设施、HBM/DRAM/NAND存储组件、电力与数据中心容量;一旦阶段性过剩，就把这部分容量封装成模型API或原始算力租赁（886050），对标AWS Bedrock或者CoreWeave（CRWV）式新云领军者，从而为“过度AI算力基础设施建设”提供下行保护，也为投资者提供AI资本开支回收路径。
更深层来看，Meta（META）是在押注AI工作负载从训练中心转向推理中心后的长期算力资源稀缺。麦肯锡预计，到2030年全球数据中心为满足算力需求需要约6.7万亿美元投资，其中AI推理端处理负载相关数据中心资本开支约5.2万亿美元;国际能源（850101）署预计全球数据中心用电到2030年将翻倍至约945太瓦时，其中AI驱动的加速服务器用电年增速约30%;华尔街金融巨头高盛（GS）也预计美国数据中心电力需求将从2025年的31吉瓦升至2027年的66吉瓦。
因此Meta（META）这一步棋最终聚焦的是AI时代最稀缺的“可用推理产能”：GPU/ASIC/TPU AI算力资源集群、低延迟网络、模型托管、token计费乃至超大规模数据中心的高效率调度能力。
华尔街对于Meta（META）估值锚可能从“广告平台+元宇宙（885934）支出折价”切换到“广告现金牛+AI模型入口+算力基础设施期权”;但成败关键不在于能否买到芯片，而在于能否补齐企业销售、AI开发者生态、天量级别云端AI算力租赁（886050）服务可靠性、云平台软件栈和单位token经济性。
从AI超级智能军备赛到挑战AWS、Azure与谷歌（GOOG）云，Meta（META）力争把“富余算力”变成云业务飞轮
据了解，Meta（META）主导的一项重要潜在计划包括出售对托管在Meta（META）现有AI算力基础设施上的多种AI模型的访问权限;知情人士称，这种做法类似于亚马逊（AMZN）云服务的Bedrock产品。Meta（META）将运营支撑这些模型的数据中心组件以及AI芯片等细分算力资源，还包括其自身的最新开发的Muse Spark模型，并向开发者收取访问费用。
知情人士称，该公司还在考虑出售“原始”的云计算（885362）原生算力容量的访问权限，类似于CoreWeave（CRWV） Inc.等所谓新云业务领军者们。知情人士称，这些新业务线的开发是Meta（META） Compute的一部分;Meta（META） Compute是一项内部计划，旨在建设和管理公司的AI算力基础设施部署工作。Meta（META） Compute由Meta（META）基础设施负责人Santosh Janardhan、Meta（META）超级智能实验室AI部门内部领导者Daniel Gross以及Meta（META）总裁Dina Powell McCormick领导。
Meta（META）发言人拒绝置评。该公司的计划仍在制定中，相关战略也可能发生变化。Meta（META）股价周三美股盘初交易中一度上涨近10%，随后回吐部分涨幅。CoreWeave（CRWV）股价盘初则暴跌超10%。
Meta（META）已将发展AI“超级智能”列为最高优先事项之一，并已承诺投入数千亿美元建设数据中心以及其他重要AI算力基础设施，例如其认为实现这一目标所必需的昂贵AI芯片以及一系列AI算力相关硬件体系。这项投资已经让投资者对Meta（META）如何从这些千亿美元级别的巨额支出中获得回报感到焦虑，其中的巨额支出包括与CoreWeave（CRWV）、Alphabet Inc.旗下谷歌（GOOG）和云计算（885362）巨头甲骨文（ORCL）(Oracle Corp.)等云计算（885362）领军者们达成的重大算力交易。
云计算（885362）业务确实提供了一种收回部分AI算力基础设施投资的重要方式。亚马逊（AMZN）云服务、Azure和谷歌（GOOG）云已花费数十年建设超级云计算（885362）平台，通过互联网平台生态出租算力、企业端巨大存储容量以及某些大型软件访问权限——这些业务如今每个季度创造数百亿美元营收规模。
随着AI需求激增，这些服务商也已扩张至出租训练和运行AI模型所需的专用AI芯片以及广泛AI算力基础设施资源与容量。这是一项复杂业务，不仅需要庞大的数据中心集群，还需要软件平台、企业销售团队和客户支持运营共同组建起来的庞大云计算（885362）生态。
埃隆·马斯克的SpaceX（SPCX）在2月收购其AI初创公司xAI后，最近成为这一云端算力资源租赁（WLFC）领域的关键玩家;该公司今年早些时候向AI应用领军者Anthropic PBC出租了其位于孟菲斯的大型AI数据中心底层算力资源的云端访问权限，并与谷歌（GOOG）达成了一项云端AI算力租赁（886050）交易。根据 Bloomberg Intelligence的一项预测数据，这一战略可能帮助xAI到2028年创造超过500亿美元营收规模，并到2030年创造至少1000亿美元营收。
尽管存在复杂性，Meta（META）首席执行官马克·扎克伯格已向投资者们表示，他愿意出售富余算力基础设施，甚至愿意推出所谓大模型API服务，让客户们为AI使用量付费——这类业务通常以“token规模”来进行计量，也就是客户查询所使用和生成的天量数据量。
扎克伯格在5月与股东的电话会议上表示：“这绝对在考虑范围内。几乎每周都有不同的外部公司来找我们，既要求我们搭建专业的API服务体系，也询问我们是否有他们可以从我们这里购买的算力，并愿意支付高于我们购入成本的溢价。”
扎克伯格当时表示：“我们还没有这样做，因为我们认为自己有用途可以使用这些算力。但显然，如果我们到了某个阶段，认为自己建设过度，那么这就是我们拥有的一个选项，这也在一定程度上让我们对投资建设这些基础设施更有信心。”
在快速演进的AI算力基础设施军备竞赛中，扎克伯格曾多次暗示，他认为行业正受到AI算力容量约束，Meta（META）应尽可能多地积累算力，然后再决定其用途。
Meta（META）把AI云变成“算力回收飞轮”的背后：Agent Runtime爆发，半导体（881121）缺口与云端AI推理算力需求共振上行
Meta（META）筹建AI云业务的核心逻辑，是力争把“超级智能”军备赛形成的巨额ASIC/TPU/GPU、数据中心CPU、数据中心电力链条和光互连网络、存储组件类昂贵算力资产，从单纯内部成本中心转化为可外部出租的AI算力基础设施平台。
对资本市场而言，这等于给Meta（META）数千亿美元级AI资本开支装上“残值回收机制”：自用时服务广告推荐、视频生成、AI助手和超级智能训练;闲置时变成API、模型托管、推理集群或GPU租赁（WLFC）庞大营收类别，从而缓解市场对AI资本开支回报率的焦虑。
AI半导体（881121）交易主题的愈发杠杆化与仓位拥挤与苹果（AAPL）等消费电子（881124）领军者们涨价压力升级，伴随着费城半导体（SOX）指数一度单日大跌7.9%，且一个月内多次出现超过5%的剧烈波动，凸显出与半导体（881121）相关联的AI算力产业链已进入高波动、杠杆与看涨仓位极度拥挤、高预期兑现压力阶段，这也是为何近日不断有机构投资者开始重点强调“AI半导体（881121）交易热潮已经见底”、“AI泡沫逐渐破裂”这类过于悲观的熊市叙事。
然而，华尔街知名投资机构野村周三发布最新研报，反驳“半导体（881121）见顶论”。野村反驳“半导体（881121）见顶论”的关键，不是简单说AI芯片还会涨，而是指出AI云基础设施需求正在从单点GPU短缺扩散为系统性零部件错配。按照野村研究框架，2026年和2027年AI服务器营收预计分别增长78%和76%，全球数据中心项目从240个增至280个，其中吉瓦级项目约50个，2027年新增算力部署预计达32GW，2028年也已有23GW可见度;但真正瓶颈正在从GPU产能、台积电（TSM）CoWoS先进封装（886009）向晶圆级基板、AI PCB、覆铜板(CCL)、电子布、MLCC、玻璃基板（886111）/ABF基板、IC载板、高端电容、电源管理芯片和数据中心光学类高速光互连元件（881270）外溢。
据悉，麦肯锡的中长期测算也支持野村上述强调这一方向：即到2030年，仅为满足AI相关需求，全球算力价值链就需要向数据中心投入约5.2万亿美元，对应约156GW的AI相关数据中心容量需求。 这意味着半导体（881121）交易的主线不是“见顶”，而是“短缺部位轮动”：从GPU到HBM，从先进封装（886009）到基板材料，再到电力、液冷、网络与云调度软件，盈利上修和涨价预期仍可能是AI算力相关核心硬件链条最强催化剂。
近日风靡全球的“Agent Runtime”理论则进一步解释了为什么云端AI推理需求可能接近无止境。传统模型托管是“输入—推理—输出”的无状态服务，而智能体AI是循环式工作流：规划、调用模型、调用工具、观察、重试、纠错，直到任务完成。最新的市场用例可谓非常关键：单次调用成功率即便有95%，连续调用15次后的任务成功率也只有约46.3%，这意味着企业真正购买的不是便宜token，而是可编排、可观测、可追踪、可控成本、可审计结果的运行期系统。Nebius所强调的从超过200MW运行算力迈向年底800MW至1GW、并锁定3GW以上预留容量，反映的正是云基础设施从“卖GPU小时”转向“卖结果确定性”的升级。国际能源（850101）署也预计全球数据中心用电到2030年将翻倍至约945TWh，这说明Agent Runtime不是单纯软件架构变化，而是会反向牵引GPU集群、电力容量、网络交换、存储检索、模型路由和可观测性平台的全栈投资。
Meta（META）进军云计算（885362）背后可谓是Agent Runtime飞轮大爆发，半导体（881121）缺口与云端AI推理算力需求共振上行。需求端由智能体任务循环放大token与推理消耗，供给端由先进封装（886009）和小零部件瓶颈限制AI服务器交付，商业端则由Meta（META）、CoreWeave（CRWV）、Nebius、AWS、Azure和谷歌（GOOG）云争夺“可用AI算力”的货币化入口。AI云计算（885362）不再只是传统云厂商的IaaS CPU与调度软件扩容叙事，而是进入“算力资产证券化+推理经济学+半导体（881121）涨价链”的复合周期（883436）;最受益的资产通常不是单一GPU叙事，而是同时具备供给瓶颈、定价权和现金流可见性的环节。
